美国作家 Kirk Wallace Johnson 在 The Atlantic 推出可检索的 AI 训练数据查询工具后，输入了自己的名字。他发现，花费五六年调查和写作的《The Feather Thief》《The Fishermen and the Dragon》等书，被收录进训练语料。对他而言，这不是抽象的技术争论，而是一个直接的问题：谁拿走了作品，拿去做什么，作者能否拒绝或收费？

类似追问已经进入法院。作者、插画师和音乐人分别把 Anthropic、Google、Meta 等模型公司，以及 Suno、Udio 等 AI 音乐服务告上法庭。部分诉求通过了案件早期的驳回审查，个别纠纷出现裁决或和解进展。但目前最稳妥的判断不是“创作者已经获胜”，而是模型公司很难再把训练数据视为无需单独计价的公共原料。

Anthropic、Google、Meta 面对的，不只是一次版权诉讼

文字领域的争议集中在模型公司是否复制了受版权保护的书籍，以及这些书籍是否来自盗版数据库。Johnson 查到的作品与 Books3 数据集有关。Books3 收录大量图书，曾被多家 AI 研究机构和公司用于模型训练，其来源和授权状态长期受到作者质疑。

Anthropic 相关案件提供了一个重要参照。2025 年 6 月，美国联邦法官 William Alsup 在 Bartz v. Anthropic 案中认为，使用合法取得的图书训练大语言模型可以构成合理使用；但公司为建立资料库而下载盗版书籍，是另一个需要单独处理的问题。这个裁决没有给 AI 公司一张通用免责牌，反而把“从哪里拿到数据”与“拿数据做什么”拆成了两道法律审查。

Meta、Google 面对的作者诉讼也在追问类似问题。原告需要证明作品确实进入了特定训练集，并说明复制行为或模型输出造成了什么损害。公司则会主张，模型学习的是统计关系，训练具有转换性，生成结果并非原作副本。

这些案件真正改变的是成本结构。过去，团队更关心数据量够不够大；现在还要回答三个问题：来源能否追溯，使用权是否覆盖训练，删除请求能否落实。任何一项说不清，都可能拖慢模型迭代，并抬高法务、采购和许可支出。

文字、图像和音乐案件，走的不是同一条法律路径

创作者的诉讼常被统称为“反对 AI 训练”，但作品类型不同，举证方式和胜负关键也不同。

作品类型代表争议原告更容易追查的事实主要法律难点
文字作者起诉 Anthropic、Google、Meta书名是否出现在 Books3 等训练集，文件来源是否合法训练是否具有转换性，模型输出是否替代原书，市场损害能否证明
图像Sarah Andersen 等插画师起诉 Stability AI、Midjourney 等公司作品是否进入图像数据集，生成结果是否保留可识别元素“画风”通常不单独受版权保护，原告仍要指向具体作品、复制行为或近似输出
音乐唱片公司起诉 Suno、Udio生成音频与录音、旋律或人声特征之间能否做技术比对训练复制、输出侵权和市场替代属于不同问题，不能只凭“听起来像”定案

Sarah Andersen 等插画师的部分诉求能够继续审理，说明法院愿意让原告进一步取证，并不等于法院已经确认相关模型侵权。程序上的“没有被驳回”，与实体上的胜诉相隔很远。

音乐案件的压力更直接。美国主要唱片公司在 2024 年 6 月分别起诉 Suno 和 Udio，指控两家公司未经许可复制录音用于训练。音乐行业已有成熟的录音、词曲和表演权许可体系，权利主体也更集中，因此更容易把争议推向批量授权谈判。相比之下，独立插画师和作者的作品分散，核验与维权成本往往要由个人承担。

历史上也有可供对照的案例。2025 年 2 月，法律信息公司 Thomson Reuters 在与 Ross Intelligence 的诉讼中赢得关键裁决，法院否定了 Ross 对相关使用行为的合理使用抗辩。该案涉及法律检索产品和 Westlaw 题头摘要，并非通用生成式 AI，却说明“用于开发 AI”本身不足以自动获得合理使用保护。产品是否直接竞争、材料如何取得、使用了多少内容，都会改变结论。

“合理使用”没有统一答案，个案胜诉也换不来稳定收入

美国版权法判断合理使用，通常考察四项法定因素：使用目的和性质、原作品的性质、使用部分的数量及实质性、对作品潜在市场的影响。模型训练是否具有转换性，只是其中一部分。

作品复制方式、输出能否替代原作，也会进入上述分析。案件所在地则影响适用哪些上级法院先例和程序规则，但它不是第五项法定因素。不同法院可能对同一类技术作出不同权衡，直到上诉法院形成更清晰的规则，或者国会修改法律。

这也是“部分创作者赢了”最容易被误读的地方。一次驳回动议失败，只代表案件可以继续；一次和解通常只约束当事人；一项地区法院裁决，也未必能约束其他司法辖区。即便原告最终获得赔偿，也不代表所有进入训练集的作者都能自动分到收入。

创作者眼下最现实的动作，是核验作品是否出现在已公开的数据集中，保存搜索结果、文件标识、平台页面和发布时间。如果决定授权，应确认合同是否明确覆盖模型训练、模型微调、生成输出和再许可。准备参诉的人还要衡量律师费用、取证周期与可能获得的赔偿，不能把集体诉讼理解成零成本索赔渠道。

AI 公司和内容平台则要重新审视数据采购。采购团队需要区分公开可访问、合法购买与获得训练许可，三者并非同义。产品团队也会面对更具体的选择：购买版权库、使用公共领域及许可数据、提供退出机制，或者承担来源不明的数据风险。

接下来应盯住的不是又有多少人起诉，而是法院如何处理两项关键事实：公司是否保存了可追溯的训练数据记录，以及原告能否证明模型输出或替代产品损害了原作市场。前者决定责任能否被查清，后者决定创作者能否把愤怒转化为可计算的赔偿。